दोन नमुन्यांचे F मूल्य उपाय

चरण 0: पूर्व-गणन सारांश
फॉर्म्युला वापरले जाते
दोन नमुन्यांचे F मूल्य = नमुना X चे भिन्नता/नमुन्याचे फरक Y
F = σ2X/σ2Y
हे सूत्र 3 व्हेरिएबल्स वापरते
व्हेरिएबल्स वापरलेले
दोन नमुन्यांचे F मूल्य - दोन नमुन्यांचे F मूल्य हे दोन भिन्न नमुन्यांमधील भिन्नतेचे गुणोत्तर आहे, बहुतेक वेळा भिन्नता (ANOVA) चाचण्यांच्या विश्लेषणामध्ये वापरले जाते.
नमुना X चे भिन्नता - नमुना X ची भिन्नता ही प्रत्येक डेटा बिंदू आणि नमुना X च्या सरासरीमधील वर्गातील फरकांची सरासरी आहे.
नमुन्याचे फरक Y - नमुना Y ची भिन्नता प्रत्येक डेटा बिंदू आणि नमुना Y च्या मध्यातील वर्ग फरकांची सरासरी आहे.
चरण 1: इनपुट ला बेस युनिटमध्ये रूपांतरित करा
नमुना X चे भिन्नता: 576 --> कोणतेही रूपांतरण आवश्यक नाही
नमुन्याचे फरक Y: 256 --> कोणतेही रूपांतरण आवश्यक नाही
चरण 2: फॉर्म्युलाचे मूल्यांकन करा
फॉर्म्युलामध्ये इनपुट व्हॅल्यूजची स्थापना करणे
F = σ2X/σ2Y --> 576/256
मूल्यांकन करत आहे ... ...
F = 2.25
चरण 3: निकाल आउटपुटच्या युनिटमध्ये रूपांतरित करा
2.25 --> कोणतेही रूपांतरण आवश्यक नाही
अंतिम उत्तर
2.25 <-- दोन नमुन्यांचे F मूल्य
(गणना 00.004 सेकंदात पूर्ण झाली)

जमा

ने निर्मित अनिरुद्ध सिंह
राष्ट्रीय तंत्रज्ञान संस्था (एनआयटी), जमशेदपूर
अनिरुद्ध सिंह यांनी हे कॅल्क्युलेटर आणि 300+ अधिक कॅल्क्युलेटर तयार केले आहेत!
द्वारे सत्यापित उर्वी राठोड
विश्वकर्मा शासकीय अभियांत्रिकी महाविद्यालय (व्हीजीईसी), अहमदाबाद
उर्वी राठोड यानी हे कॅल्क्युलेटर आणि 1900+ अधिक कॅल्क्युलेटर सत्यापित केले आहेत।

18 सांख्यिकी मध्ये मूलभूत सूत्रे कॅल्क्युलेटर

नमुन्याचे पी मूल्य
जा नमुन्याचे पी मूल्य = (नमुना प्रमाण-गृहित लोकसंख्येचे प्रमाण)/sqrt((गृहित लोकसंख्येचे प्रमाण*(1-गृहित लोकसंख्येचे प्रमाण))/नमुन्याचा आकार)
नमुना आकार दिलेला P मूल्य
जा नमुन्याचा आकार = ((नमुन्याचे पी मूल्य^2)*गृहित लोकसंख्येचे प्रमाण*(1-गृहित लोकसंख्येचे प्रमाण))/((नमुना प्रमाण-गृहित लोकसंख्येचे प्रमाण)^2)
t सांख्यिकी
जा t सांख्यिकी = (नमुन्याचे निरीक्षण केलेले सरासरी-नमुन्याचा सैद्धांतिक अर्थ)/(नमुना मानक विचलन/sqrt(नमुन्याचा आकार))
t सामान्य वितरणाची आकडेवारी
जा t सामान्य वितरणाची आकडेवारी = (नमुना सरासरी-लोकसंख्या सरासरी)/(नमुना मानक विचलन/sqrt(नमुन्याचा आकार))
वर्गाची रुंदी दिलेल्या वर्गांची संख्या
जा वर्गांची संख्या = (डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम)/डेटाची वर्ग रुंदी
डेटाची वर्ग रुंदी
जा डेटाची वर्ग रुंदी = (डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम)/वर्गांची संख्या
ची स्क्वेअर सांख्यिकी
जा ची स्क्वेअर सांख्यिकी = ((नमुन्याचा आकार-1)*नमुना मानक विचलन^2)/(लोकसंख्या मानक विचलन^2)
ची स्क्वेअर आकडेवारी दिलेली नमुना आणि लोकसंख्या भिन्नता
जा ची स्क्वेअर सांख्यिकी = ((नमुन्याचा आकार-1)*नमुना भिन्नता)/लोकसंख्या भिन्नता
यादृच्छिक चलांच्या बेरजेची अपेक्षा
जा यादृच्छिक चलांच्या बेरजेची अपेक्षा = रँडम व्हेरिएबल X ची अपेक्षा+रँडम व्हेरिएबल Y ची अपेक्षा
यादृच्छिक चलांच्या फरकाची अपेक्षा
जा यादृच्छिक चलांच्या फरकाची अपेक्षा = रँडम व्हेरिएबल X ची अपेक्षा-रँडम व्हेरिएबल Y ची अपेक्षा
अवशिष्ट मानक त्रुटी दिलेल्या वैयक्तिक मूल्यांची संख्या
जा वैयक्तिक मूल्यांची संख्या = (चौरसांची अवशिष्ट बेरीज/(डेटाची अवशिष्ट मानक त्रुटी^2))+1
नमुना मानक विचलन दिलेले दोन नमुन्यांचे F मूल्य
जा दोन नमुन्यांचे F मूल्य = (नमुना X चे मानक विचलन/नमुना Y चे मानक विचलन)^2
दिलेल्या श्रेणीतील डेटामधील सर्वात मोठा आयटम
जा डेटामधील सर्वात मोठा आयटम = डेटाची श्रेणी+डेटामधील सर्वात लहान आयटम
दिलेल्या श्रेणीतील डेटामधील सर्वात लहान आयटम
जा डेटामधील सर्वात लहान आयटम = डेटामधील सर्वात मोठा आयटम-डेटाची श्रेणी
डेटाची श्रेणी
जा डेटाची श्रेणी = डेटामधील सर्वात मोठा आयटम-डेटामधील सर्वात लहान आयटम
डेटाची मध्यम श्रेणी
जा डेटाची मध्यम श्रेणी = (डेटाचे कमाल मूल्य+डेटाचे किमान मूल्य)/2
दोन नमुन्यांचे F मूल्य
जा दोन नमुन्यांचे F मूल्य = नमुना X चे भिन्नता/नमुन्याचे फरक Y
सापेक्ष वारंवारता
जा सापेक्ष वारंवारता = परिपूर्ण वारंवारता/एकूण वारंवारता

दोन नमुन्यांचे F मूल्य सुत्र

दोन नमुन्यांचे F मूल्य = नमुना X चे भिन्नता/नमुन्याचे फरक Y
F = σ2X/σ2Y

सांख्यिकीमध्ये एफ-टेस्ट म्हणजे काय?

F-चाचणी ही कोणतीही सांख्यिकीय चाचणी असते ज्यामध्ये चाचणी सांख्यिकीमध्ये शून्य गृहीतके अंतर्गत F-वितरण असते. डेटा सेटमध्ये फिट केलेल्या सांख्यिकीय मॉडेल्सची तुलना करताना बहुतेकदा याचा वापर केला जातो, ज्या लोकसंख्येवरून डेटाचा नमुना घेण्यात आला होता त्या लोकसंख्येला सर्वोत्तम बसणारे मॉडेल ओळखण्यासाठी. अचूक "F-चाचण्या" मुख्यतः तेव्हा उद्भवतात जेव्हा मॉडेल कमीत कमी चौरस वापरून डेटामध्ये बसवले जातात. F-चाचण्यांच्या वापराच्या सामान्य उदाहरणांमध्ये खालील प्रकरणांचा अभ्यास समाविष्ट आहे: (i) सामान्यपणे वितरीत केलेल्या लोकसंख्येच्या दिलेल्या संचाचे साधन, सर्व समान मानक विचलन, समान आहेत हे गृहितक. ही कदाचित सर्वात प्रसिद्ध F-चाचणी आहे आणि भिन्नता (ANOVA) च्या विश्लेषणामध्ये महत्वाची भूमिका बजावते. (ii) प्रस्‍तावित प्रतिगमन मॉडेल डेटाशी सुसंगत आहे हे गृहितक. वर्गांची बेरीज फिट नसणे पहा. (iii) रीग्रेशन विश्लेषणामध्ये सेट केलेला डेटा एकमेकांमध्ये नेस्टेड असलेल्या दोन प्रस्तावित रेखीय मॉडेल्सच्या सोप्या पद्धतीचे अनुसरण करते हे गृहितक.

Let Others Know
Facebook
Twitter
Reddit
LinkedIn
Email
WhatsApp
Copied!